Previsión de la gravedad de la pancreatitis aguda mediante un nomograma basado en las características clínicas y la...

Área de la Ciencia:

• Radiología e Imágenes
• Gastroenterología
• La informática médica

Sus antecedentes:

• La predicción de la gravedad de la pancreatitis aguda (PA) es crucial para el tratamiento oportuno y eficaz del paciente.
• Los métodos actuales para evaluar la gravedad de la AP tienen limitaciones en la predicción temprana y precisa.
• La tomografía computacional cuantitativa (TCQ) ofrece un análisis detallado de la composición corporal que puede ayudar en la predicción de la gravedad.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo para la pancreatitis aguda grave (SAP) utilizando la composición corporal y las características clínicas derivadas de la TQ.
• Identificar los factores de riesgo independientes para el SAP.
• Evaluar el poder discriminativo y la aplicabilidad clínica del modelo predictivo desarrollado.

Principales métodos:

• Análisis retrospectivo de los datos clínicos y la composición corporal QCT de pacientes con AP y controles sanos.
• Análisis de regresión logística para identificar factores de riesgo independientes para el SAP.
• Desarrollo de un modelo de nomograma que incorpore los factores de riesgo identificados.
• Validación del modelo mediante el uso de curvas de calibración, curvas ROC, DCA y una cohorte de validación separada.

Principales resultados:

• La etiología alcohólica, la proteína C reactiva (CRP), el tejido adiposo total (TAT) y el área del músculo esquelético (SMA) se identificaron como predictores independientes de SAP.
• El nomograma demostró un alto poder discriminativo con un AUC de 0,87 en la cohorte de formación y de 0,81 en la cohorte de validación.
• El modelo mostró una buena calibración y aplicabilidad clínica, como lo confirmó la prueba de Hosmer-Lemeshow y el DCA.

Conclusiones:

• La etiología alcohólica, la PCR, la TAT y la AME son factores de riesgo independientes significativos para predecir el SAP.
• El modelo de nomograma basado en QCT desarrollado proporciona una herramienta valiosa para la predicción temprana y precisa de la gravedad de la AP.
• Este modelo tiene potencial para mejorar la toma de decisiones clínicas y los resultados de los pacientes en el manejo de AP.